視頻圖象運動目標檢測與跟蹤方法研究.pdf

1、視頻序列中的運動目標檢測與跟蹤是一項涉及視頻圖像處理、計算機視覺、模式識別以及人工智能等多個領(lǐng)域的研究課題，由于其在商業(yè)和軍事領(lǐng)域中存在廣泛的應(yīng)用價值，近年來一直是人們研究的重點。然而，因為視頻圖像本身存在固有的復(fù)雜性，所以要提出一種穩(wěn)健而又準確的算法仍然是一個極具挑戰(zhàn)的工作。
　　 本文主要針對靜態(tài)場景情況下的運動目標檢測和跟蹤技術(shù)進行研究。在目標檢測方面，首先對目前主要的方法進行了歸納和總結(jié)，分析了各自的優(yōu)缺點；然后對基于背

2、景高斯模型的目標檢測算法進行了比較詳細的分析和論述，并對其中的一些算法進行了改進：本文中對均值和方差采用不同的更新率，給出了一種用模型的匹配次數(shù)確定方差更新系數(shù)的算法，解決了傳統(tǒng)算法中方差收斂緩慢的問題，增加了模型的穩(wěn)定性和對環(huán)境的適應(yīng)性。由于傳統(tǒng)基于混合高斯模型的檢測算法僅僅對圖像中的每個像素點建模，而忽略了鄰域像素之間的相關(guān)性，目標檢測的準確度不高。因此，本文提出了一種基于空間鄰域相關(guān)性的目標檢測算法，該算法通過重新定義馬爾科夫隨機

3、場的勢能函數(shù)，融入了空間鄰域的相關(guān)性信息，并由此獲得了用于運動目標檢測的自適應(yīng)閾值。實驗結(jié)果表明，所提出的方法對復(fù)雜的場景有較好的適應(yīng)性，能夠得到比較準確的檢測結(jié)果。
　　 在運動目標跟蹤方面，為了提高算法的實時性，本文采用了基于卡爾曼濾波器的運動目標跟蹤算法，首先用卡爾曼濾波器預(yù)測目標的大致區(qū)域，然后在預(yù)測區(qū)域內(nèi)進行目標匹配。為了適應(yīng)多目標的情況，采用了連通域標記的方法來提取目標特征，建立目標特征鏈表。并采用匹配矩陣的概念，將